C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？
! w% M" o6 N6 X7 y" \
& }5 x1 b! y0 O9 S8 M自相关两层循环，内层循环涉及浮点数计算，试验了一下把内层循环内部全都 comment out 只留个壳子,  但空的内层循环本身就把速度拉下来了，看来问题并不在浮点计算。

速度优化问题真的很有意思啊。

  x" `0 ?: c% x% {- J; \+ L. o- F欢迎大家继续讨论

数值分析

拉下来？拉多少？
" ]& Y, W' F! C) K+ E( Z: V把代码贴上来看看？

难道分支预测不准破坏流水线执行？不该啊。

沉宝

会不会代码本身的缺陷阻止了自动优化？另外，硬件配置和开发环境可能也有关系。

风雨无阻

Maybe Debug mode?

雷达

数值分析 发表于 2022-9-24 23:04
; o: {  O& y8 D" b1 n! l* d: G拉下来？拉多少？
* U: ~, w) @! d9 F/ z把代码贴上来看看？

) u1 d8 h- }/ r. d0 V; r3 K
( s& g- [3 O! Z0 @1 A3 M* A/ x: U: ]void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
8 J- e! i. _3 o. X9 n5 x        comp temp, xtimesy;
        xtimesy.re = 0;
9 n* b- f) \! B) o8 w        xtimesy.im = 0;
' m  r1 r+ V9 K# q& _5 K- [; ?5 W& n$ F        int j0 = lenB - 1;
8 f% K) L6 M  X        int    i, j, i1, reali;
        if (lenA % 2 == 1)
: ?) {2 J+ G. L6 v* l8 w+ l4 g7 H                reali = lenA + 1;
; @+ n: `5 ~5 k' B( s' V        else
                reali = lenA;
( N/ j" M5 A5 \( N3 W% ~- v        reali /= 2;
7 q4 P# w4 ?3 V) U0 l
# ~$ H2 |6 j! I+ ]3 `1 L        int nconv = reali + lenB;
1 O* ?9 M6 W! k  N! T        //#pragma omp parallel for
9 G$ D: S  ^2 Z% {: u( Q        for (i = reali; i < nconv; i++)
        {
4 k$ U$ y- |  L& V: P9 j) _" A                temp.re = 0;
$ k1 B* _3 y( v9 \7 a) A3 I                temp.im = 0;
                i1 = i;
                for (j = j0; j >= 0; j--)
, X# D% X, I7 ?+ q                {
                        /* floating date operation */
2 J) X4 ~7 y! n5 w1 M                }
        }
1 p; b& r# T; v! G% i$ J}

$ j3 a( e, b( c2 V) |9 ?xcorr函数代码如上，comp是复数struct, 做过长度为11、19两个矢量的测试，和octave结果完全一样
$ n6 q. Y' m  ^7 [5 S
6 t  `% @" j& v/ s: ]7 s红色部分是内循环，现在其内部操作都comment out 了, j0大概是 6000。
现在call xcorr 100次，耗时78s.
7 ?& [  \' d0 T; O
如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.
1 D( r0 l( t; P7 r9 p) e8 x% b6 W
! ]% \- l: b: Y

雷达

风雨无阻 发表于 2022-9-24 23:33
, ^9 P: ~/ Z' @5 `4 dMaybe Debug mode?

# Q* E1 i4 }9 h不应该，看我上面的回复。
! F! q& T0 G  M9 u
我更怀疑是 VS 社区版的问题

数值分析

雷达 发表于 2022-9-24 23:54
6 F0 k+ D8 t) X' S/ b& I/ W( e# v, qvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
        comp temp, xtimesy;

) m' m8 U: D5 l  L7 {0 S: ]- t6 t
这个不是这么比的吧。。。

您这个函数，不带内循环的话，汇编完总共操作也没几个（不到100个）。

而加上内循环，光jmp和dec指令就至少多执行了6000个，慢个几十倍不是正常的么？

雷达

" P" @: f/ ^/ Q/ e

数值分析 发表于 2022-9-25 00:20
这个不是这么比的吧。。。
0 @/ ]7 I; o  A9 r( d' \8 O
$ }" K" x2 R3 q9 b, U# z. G. f您这个函数，不带内循环的话，汇编完总共操作也没几个（不到100个）。

5 K+ ~$ l( m) I0 K  t有道理。
1 ]( U! O/ J) T. M5 Z( ~所以存在内循环速度就上不去，把内循环取消，改成两个向量直接点乘再求和应该就会好得多，记得 numeric 库里有算向量内积的，我回头试试。

我先尝试尽量用标准库，一个小程序，不想搞得太复杂。多谢了

沉宝

雷达 发表于 2022-9-25 00:46
有道理。
" [) F; r" l( b- g. P/ p所以存在内循环速度就上不去，把内循环取消，改成两个向量直接点乘再求和应该就会好得多，这大 ...

* _. C$ f$ h  Y6 j* `4 R; \你两个试验之间就差了一个空循环， call 1000次按理不会有秒级差异，可能还是编译器优化的问题。举个例子，把循环本身翻译成机器指令loop或dec/jnz，两者速度上会差很多
$ c" C8 L" I7 s! {Why is the loop instruction slow? Couldn't Intel have implemented it efficiently?

沉宝

数值分析 发表于 2022-9-25 00:20
这个不是这么比的吧。。。

您这个函数，不带内循环的话，汇编完总共操作也没几个（不到100个）。

而加上内循环，光jmp和dec指令就至少多执行了6000个

" Z/ E7 H0 X" O; {. ]+ j
现在的CPU，可以把判断、jmp和dec指令全部融合进一个µOp（微操作，CPU内部流水线上的执行单位）。如果循环这样跑，花不了多少时间。

数值分析

沉宝 发表于 2022-9-25 01:48
现在的CPU，可以把判断、jmp和dec指令全部融合进一个µOp（微操作，CPU内部流水线上的执行单位）。如果 ...

是的，兄台说的对。
9 R- _3 K! h4 q9 U0 A5 r
其实我想说的是 真正数值计算部分和代码中其他不直接计算的overhead的比值这个事儿。

雷达兄构造测试用例的时候，屏蔽掉了所有计算的部分，使得剩下的都是overhead，这样run time比较的结果就显得好像不合理了。如果把计算加回去，计算部分的run time会dominate，结果就不那么离谱了。因为不好说，所以用指令数对比的方式试图直观地说明这一点。

比如说，如果有计算，那么跑六千个循环相对于计算应该用不了多少时间。但是如果一边是什么都不做，另一边是六千个循环，那六千个循环比什么都不做慢几十倍了，就不是那么不合理了。
9 N3 n/ S1 E7 I2 t1 Z8 u  s
+ Q* B  h: B+ z2 v+ T当然也有可能像兄台说的，是优化参数的问题，但我觉得更多地是测试用例设计的不合理。

雷达

沉宝 发表于 2022-9-25 01:27
你两个试验之间就差了一个空循环， call 1000次按理不会有秒级差异，可能还是编译器优化的问题。举个例子 ...

" m: t7 I# q% K; q- T
又写了个小实验，没有调用子函数，双层循环，外层6千次，内循环30万次空转，有或没有空转内循环，时间差一倍，我上面这个差的太多了。
% q' P3 t7 K  a
" W8 r+ s) y* v# O' u" y8 X  J我已经完全懵了。

沉宝

雷达 发表于 2022-9-25 04:47
0 q6 d: [& g4 f* n又写了个小实验，没有调用子函数，双层循环，外层6千次，内循环30万次空转，有或没有空转内循环，时间差 ...

. l- U' I3 S: Q/ x时间差一倍的结果可以接受。
$ J/ m9 d3 ^$ K  }) A2 A
+ S. _" e+ B. D7 j$ R+ @( x: Q7 T你还是用profile工具看看吧。现在大家都主观瞎猜。

数值分析

- W3 ]* b9 y1 K

雷达 发表于 2022-9-25 04:47
/ Q0 k+ n: n9 l1 z* _, u" w又写了个小实验，没有调用子函数，双层循环，外层6千次，内循环30万次空转，有或没有空转内循环，时间差 ...

/ p7 q. u) j" K5 g7 w* B% t1 A
  M0 {% e+ ]& J! u- a$ _8 \7 V& g
0 |. k) W  C6 O8 o9 a! B5 T9 ~
能不能把这个也贴上来，看看和上一个有什么不同？

雷达

数值分析 发表于 2022-9-25 14:58
能不能把这个也贴上来，看看和上一个有什么不同？

5 z+ @; }! B. A% f1 M理了理思路，重新做了一个测试。
, m0 z, C4 Y. i' a做了两个 vector 和 两个 float *, 都长 100000
: c5 i3 i. L: {1 i0 i外循环 6000，里面先做随机数生成，模拟真实环境，避免数据的 cache.
# |$ c5 p4 R/ i& N! S
2 s) r  {* a/ _6 n# w内循环试了4种方法，
1. 直接调用 vector inner_product 247s
+ C2 f) T; b/ ]9 Z, \2. vector 循环点乘累加 237s
* D' v0 }+ {% P2 r" F0 z/ t2 {3. float * 循环点乘累加 204s
: p3 C) K4 E2 k/ f" J& T5 A3 W: }4. 空循环 100000 次 202s

不做内循环 200s
3 H) A  e2 Y8 D) S
你昨天说的对，内循环本身占比是很小的，大头在其他处理。
) }7 ?- j* B* u. i另外可以看到， float * 循环点乘累加 并不差，比用vector 还更快。
$ t" Z4 Y5 O0 V% H% l* T0 t  n
至于我那个原始程序，还有一些疑问，见5楼，其他都不变仅仅是有无空的内循环就有很大不同，这是不对的，也许有一些其他缺陷我没有看到。（也许可以改成 while 试试）
1 H0 ?6 ~" J% O* \, ?
1 ?; \2 }5 S! X' u$ O2 F（为什么下面我贴的  b1 加 方括号里的 i , 显示出来却是 b1 ？方括号 i 消失了。 LOL . 改成  jj 好了，原来 方括号里的 i 是斜体标志  LOL）
5 v" O% e  Y& i6 Y5 m0 u
0 s. d7 e! ]6 g1 [

        std::vector < float > vec1(N);
        std::vector < float > vec2(N);
3 A8 Q: p* v$ L$ `4 K        float* b1 = new float[N];
; v7 [$ |1 {+ V* L        float* b2 = new float[N];

6 P7 s, F' T( F* j/ b        for (int j = 0; j < 6000; j++)
        {
) h0 R# S, D" ^                std::generate(vec1.begin(), vec1.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
8 `8 E1 w' i- j7 }& ^" h                        });

0 c+ r- R( C- t0 U  a4 }) m9 v                std::generate(vec2.begin(), vec2.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
0 ?/ j# ]& k) }                        });
- i- V% V# T6 P+ C( z9 q
0 [- m- S& R* @                for (size_t jj = 0; jj < vec1.size(); jj++)
                {
- {, Z2 k; N( u                        b1[jj] = vec1[jj];
! v* K/ J0 `! m/ I5 R! k3 c# e' M: N/ K' h                }

                for (size_t jj = 0; jj < vec2.size(); jj++)
3 B" I$ w( l' @                {
                        b2[jj] = vec2[jj];
& E2 A6 Y$ h8 i- M                }
4 V8 w8 N3 J9 m4 i% b* h4 m2 L
: n4 u. L) J" l6 N) q                //Method - 1  N=100000 247s  
8 C- z. L4 U+ T' {1 u+ i                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
4 I  [0 R* H1 b: j5 K                                
7 ^1 w1 p* z4 [                //Method - 2  N=100000  237s
3 S. R( L: [8 x8 n2 A& {                /*
                for (int jj = 0; jj < N ; jj++)
/ A% `  J8 I6 P                {
( L; w% Z, y3 D                        fresult += vec1[jj] * vec2[jj];
9 w! n! q2 d- T0 |                }
                */
                                
                //Method - 3  N=100000 204s
5 Y: J. S. N: i2 ]: N. X! ?8 q                /*
1 I3 s  N6 ]8 v+ z8 J                for (int jj = 0; jj < N; jj++)
! ~+ F7 M# _" D+ H+ c                {
                        fresult += b1[jj] * b2[jj];
. F! o  j, J9 b; d$ H                }
* x" ^8 k+ x4 U+ C  l% q+ r                */
" E* N9 ^- a) m8 x& W( t
( q: M4 b- N" O9 U, }/ u; G                //Method - 4   202s
                /*
                for (int jj = 0; jj < N; jj++)
                {
                        
5 y7 I* D1 r0 o4 P                }
4 k0 p: s- d& w( H                */
2 _- j, N* X- g% b  Y5 T! y                //comment out all methods, N=100000  202s               
' c2 v6 P' O1 A0 Y8 U' ]) P3 s5 ]        }
3 P% R4 \/ u9 l7 V( F
$ b3 R( p5 m% d        delete []b1;
2 h- _4 W; g8 @6 W3 a( m4 S        delete []b2;

: t, d7 c8 l! }4 A, Z

机器猫

瞎猜一下啊。把第一个的那个j定义成register变量会不会有不同？
4 X8 S2 F- E7 U
你第二个试验里面的j在循环里面又重新定义了啊，你确定真的跑了6000次？
3 T4 n+ ]7 E+ T$ i1 }$ W

雷达

机器猫 发表于 2022-9-27 00:15
; ~9 T* P8 M3 e( x2 y  H9 j! S8 T  U瞎猜一下啊。把第一个的那个j定义成register变量会不会有不同？
3 `, `+ s, ^+ Z
你第二个试验里面的j在循环里面又重新定义 ...

内循环里面的 j 实际是 i, 为了规避爱坛显示的冲突帖子里临时改成了j, 现在是 jj 了。好累 、LOL

8 l7 p# T9 g% H. D9 g不和它较劲了，瞎耽误工夫，我已经转到 ubuntu, 也准备顺便试试 avx2 向量化。

机器猫

雷达 发表于 2022-9-27 01:16
% m2 r# ?' F& P7 f  o8 P5 k6 x1 E内循环里面的 j 实际是 i, 为了规避爱坛显示的冲突帖子里临时改成了j, 现在是 jj 了。好累 、LOL

不和它 ...

不过可以试试我说的register变量。前一个试验j是混在一堆其它变量里一起定义的，很有可能是在stack上，这样内存读写会更多，要是再碰上每次都需要加载cache就更慢了。
后面一个是在循环那里定义的，说不定编译器就把它优化成register变量了

opensrc

一个无关问题，为什么爱坛的帖子里在我这里有好些奇怪的东东在里面，是防拷贝措施吗？

雷声

雷达 发表于 2022-9-24 23:54
( x" O- R+ m! n9 R% T! k4 Q' s  I. _void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
        comp temp, xtimesy;

9 w7 h8 y$ K8 }2 X这个code里面如果Openmp没有被注释掉的话，那么temp那个变量应该是定义在循环里面，否则线程之间会存在争夺写入那个temp的风险。
+ u. S% c0 v' U: C内层for循环如果没有内部操作的话，编译时应该被优化掉了，和你完全注册掉整个循环是一回事。可能你的编译设置没有打开优化？
5 p4 x  d' t3 S+ f7 D- z* R" H' zVS社区版没有问题，我工作用的就是社区版，设置正常的话不会比商业版差。以前游说头头用Intel Compiler，他说不想花钱，而且差不了多少，就一直用到现在。